場景描述
以亞洲著名的時裝零售商I.T集團為例，他們旗下有多個品牌，SKU繁多，在使用傳統(tǒng)的以NLP技術(shù)為主的智能客服機器人的過程中，面臨著以下4大業(yè)務(wù)挑戰(zhàn)：
（1）售前咨詢量大：I.T旗下?lián)碛斜姸嗥放疲總€品牌有自己的尺碼體系、營銷活動、優(yōu)惠政策，客服團隊日常每月承接近2.5萬通會話量，大促期間每月超3.5萬，此外，對于不同的問題，需切換不同頁面搜索相關(guān)信息，單個售前咨詢處理時長約2分鐘，服務(wù)壓力大，服務(wù)效率低。
（2）傳統(tǒng)客服機器人解決效果不理想：此前采購NLP機器人用于訂單發(fā)貨轉(zhuǎn)態(tài)、物流進度查詢、退貨換等場景的自動化處理，但整體的交互較為呆板，意圖理解能力較弱，解決率只有78%。比如消費者說“買多了”，真正的意圖是取消訂單，機器人卻無法識別出來。
（3）復雜售后場景服務(wù)耗時長：面對涉及到較多規(guī)則和判斷標準的復雜咨詢，客服團隊需要查詢各個接口，搜集各種信息，單個咨詢平均處理時間長達7分鐘，服務(wù)效率低，消費者等待時間較長，服務(wù)體驗打折。
（4）希望進一步提升用戶服務(wù)體驗：消費者在發(fā)貨催促、訂單取消等環(huán)節(jié)，往往帶有一定的負面情緒，此時既考驗處理問題的能力，也考驗情緒安撫的能力，兩者都會影響到用戶對品牌的滿意度。
解決方案
面對上述客服場景的難點，I.T集團引入了網(wǎng)易云商的客服Agent解決方案，采用大小模型融合的技術(shù)架構(gòu)，70%的常見問題回答、簡單業(yè)務(wù)辦理交給傳統(tǒng)的NLP客服機器人，30%的復雜咨詢交給客服Agent，發(fā)揮大小模型各自所長，既保障了回答的準確性，又實現(xiàn)了成本最優(yōu)。
I.T集團通過會話數(shù)據(jù)分析，優(yōu)先選擇了3個高頻、高價值場景進行試點：售前尺碼推薦場景、售后訂單取消場景、售后退貨安撫場景。
成效
經(jīng)過一段時間的上線運行，該解決方案給I.T集團帶來了顯著的業(yè)務(wù)價值：
- 價值1：售前詢單場景，客服無需跳轉(zhuǎn)查詢多個系統(tǒng)，Agent在識別推薦意圖后，主動搜集用戶身高、體重等信息，讀取知識庫中的對應信息，快速輸出給客戶，應答速度提升60%，單個售前查詢時間最短只需要17秒，大幅釋放客服側(cè)接待壓力，并進一步提升售前轉(zhuǎn)化率。
- 價值2：復雜售后場景，交由Agent實現(xiàn)，自動完成用戶信息的搜集和判斷，單個處理時長由7分鐘縮短至3分鐘，同步完成訂單取消原因的搜集，為業(yè)務(wù)提供輸入。
- 價值3：客服Agent對于用戶的意圖識別更為精準，整體的交互更細膩、更自然、更有溫度，對話的連貫性和流暢性更強。對于有負面情緒的用戶，也能快速識別并進行安撫。用戶體驗感大大提升，用戶滿意度達到97%。
快報
根據(jù)《網(wǎng)絡(luò)安全法》實名制要求，請綁定手機號后發(fā)表評論